《滤波图像降噪算法研究报告.pdf》由会员分享，可在线阅读，更多相关《滤波图像降噪算法研究报告.pdf（13页珍藏版）》请在三一文库上搜索。
1、个人资料整理仅限学习使用 研究生课程论文 基于滤波的图像降噪算法的研究 课程名称专业文献阅读与综述 姓名张志化 学号 1200214006 专业模式识别与智能系统 任课教师钟必能 开课时间 2018.9 2018.11 教师评阅意见： 论文成绩评阅日期 课程论文提交时间： 2018年 11月 11日 个人资料整理仅限学习使用 基于滤波的图像降噪算法的研究 摘要 ：图像在获取和传输过程中，往往受到噪声的干扰，而降噪的目的是尽可 能保持原始信号主要特征的同时除去信号中的噪声。目前的图像去噪方法可以将 图像的高频成分滤除，虽然能够达到降低噪声的效果，但同时破坏了图像细节。 边缘特性是图像最为有用的细
2、节信息，本文对邻域平均法、中值滤波法及维纳滤 波法的图像去噪算法进行了研究分析和讨论。 关键词 ：滤波；图像噪声；图像降噪算法；评价方法； 1 引言 数字图像处理，就是利用数字计算机或其他数字硬件，对图像信息转换而来 的电信号进行某种数字运算，以提高图像的实用性，进而达到人们所要求的某种 预期效果 1 。数字图像处理已经广泛应用于遥感、工业检测、医学、气象、侦 查、通信、 智能机器人等众多学科与工程领域中。 数字图像处理技术的优点主要有： 适用面宽。图像可以来自多种信息源。从图像反映的客观实体尺度看， 可以小到电了显微镜图像，大到航空照片、遥感图像甚至天文望远镜图像。这些 来自不同信息源的图像
3、只要被变换为数字编码形式后，均是用二维数组表示的灰 度图像组合而成，均可用计算机来处理。 (4灵活性高。由于图像的光学处理从原理上讲只能进行线性运算，极大地限 制了光学图像处理能实现的目标；而数字图像处理不仅能完成线性运算，而且能 实现非线性处理，即凡是可以用数字公式或逻辑关系来表达的一切运算均可用数 字图像处理实现。 个人资料整理仅限学习使用 (5信息压缩的潜力大。数字图像中各个像素是不独立的，其相关性大。在 图像画面上，经常有很多像素有相同或接近的灰度。就电视画面而言，同一行中 相邻两个像素或相邻两行问的像素，其相关系数可达0.9以上，而相邻两帧之间 的相关性和帧内相关性相比，一般来说相邻
4、两帧之间的相关性还要大些。因此， 图像处理中信息压缩的潜力很大。 在连续图像转换为数字图像的取样量化过程中，不可避免地会产生量化噪 声，此外，图像传感器物理器件自身的灵敏度质量、图像传输和获取过程中的外 在环境影响，都会存在一定程度的噪声干扰，降低了数字图像的质量。图像去噪 的研究意义主要表现在： (1噪声的存在影响着主观视觉效果。人眼对图像噪声尤其是图像平坦区的 噪声非常敏感。严重的噪声将会使图像产生变形，失去其本质数据特征。 (2噪声会降低图像数据的质量和精度，将会影响后续图像边缘检测及图像 识别的准确率。 因此，去除图像噪声的影响是图像预处理的一个关键步骤，对后续的图像分割、特征提 取、
5、图像识别等更高层次的处理具有直接的影响。 2 图像滤波降噪的研究现状 图像处理中，输入的是质量低的图像，输出的是改善质量后的图像。常用的 图像处理方法有图像增强、复原、编码、压缩等。光学相干层析成像是近些年来 发展较快的一种层析成像技术。因为其对生物组织无辐射损伤、具有微M 级的 分辨率、高探测灵敏度和越来越快的扫描速率等优点，在医学诊断病变组织方 面，尤其是对生物组织活体检测具有诱人的应用前景。由于噪声干扰的存在，这 些生理信号可能失真。甚至面目全非，这给图像信息带来了难度。因此，就必须 对含噪图像进行处理，改善图像质量。最大程度上显现信号本身的特点 2 。 在所处理的图像中，相邻像素的灰度
6、之间大多具有很高的相关性，也就是 说，一幅图像中大多数像素的灰度差别不大。因为这种灰度相关性的存在，一般 图像的能量主要集中在低频区域中，只有图像的细节部分的能量才处于高频区域 中。因为在图像的数字化和传输中常有噪声出现，而这部分干扰信息主要集中在 高频区域内，所以消去噪声的一般方法是衰减高频分量或称低通滤波，但与之同 时带来的负面影响是图像的细节也有一定的衰减，从视觉效果上来看图像比处理 前模糊。一个较好的去噪方法应该是既能消去噪声对图像的影响又不使图像细节 变模糊。 为了改善图像质量，从图像中提取有效信息，必须对图像进行去噪预处理。根据噪声的 个人资料整理仅限学习使用 频谱分布的规律和统计
7、特征以及图像的特点，出现了多种多样的去噪方法。经典去噪方法 有：空间域合成法、频域合成法和最优线性合成法等。与之相适应的出现了许多应用方法： 如均值滤波器、中值滤波器、低通滤波器、维纳滤波器、最小失真法等。这些方法广泛应 用，促进数字信号处理的极大发展。 3 数字图像的噪声分析 3.1图像噪声的概念 噪声可以理解为“妨碍人们感觉器官对所接收的信源信息理解的因素”。例 如一幅黑白图片，其平面亮度分布假定为，那么对其接收起干扰作用的 亮度分布即可称为图像噪声。但是，噪声在理论上可以定义为“不可预 测，只能用概率统计方法来认识的随机误差”。因此将图像噪声看成是多维随机 过程是合适的，因而描述噪声的方
8、法完全可以借用随机过程的描述，即用其概率 分布函数和概率密度分布函数。但在很多情况下，这样的描述方法是很复杂的， 甚至是不可能的。而实际应用往往也不必要。通常是用其数字特征，即均值方 差，相关函数等。因为这些数字特征都可以从某些方面反映出噪声的特征。 目前大多数数字图像系统中，输入图像都是采用先冻结再扫描方式将多维图 像变成一维电信号，再对其进行处理、存储、传输等加工变换。最后往往还要在 组成多维图像信号，而图像噪声也将同样受到这样的分解和合成。在这些过程中 电气系统和外界影响将使得图像噪声的精确分析变得十分复杂。另一方面图像只 是传输视觉信息的媒介，对图像信息的认识理解是由人的视觉系统所决定
9、的。不 同的图像噪声，人的感觉程度是不同的，这就是所谓人的噪声视觉特性课题。 图像噪声在数字图像处理技术中的重要性越来越明显，如高放大倍数航片的 判读， X 射线图像系统中的噪声去除等已经成为不可缺少的技术步骤。 3.2 图像噪声的分类 图像噪声按其产生的原因可以分为： 外部噪声，即指系统外部干扰以电磁波或经电源串进系统内部而引起的噪 声。如电气设备，天体放电现象等引起的噪声。 内部噪声：一般又可分为以下四种： 对于数字图像场合设为原参考图像，为其降质图像，逼真度 可定义为归一化的均方误差值NMSE： 另外一种常用的峰值均方误差PMSE： (3-4 式中， A 为的最大值。实用中还常采用简单的
10、形式。此 时，对于 8比特精度的图像， A=255，M、N 为图像尺寸。 峰值均方误差 PMSE 也被表示成等效的峰值信噪PSNR： ，对此序 列进行中值滤波，就是从输入序列中相继抽出m 个数， ，其中为窗口的中心位置，再将这m 个点 按其数值大小排列，取其序号为正中间的那作为输出。用数学公式表示为: (4-4 例如：有一个序列为0 ，3，4，0，7 ，则中值滤波为重新排序后的序列 0 ，0，3，4，7中间的值为 3。此例若用平均滤波，窗口也是取5，那么平均滤 个人资料整理仅限学习使用 波输出为。因此平均滤波的一般输出为: (4-5 对于二维序列进行中值滤波时，滤波窗口也是二维的，但这种二维窗
11、 口可以有各种不同的形状，如线状、方形、圆形、十字形、圆环形等。二维数据 的中值滤波可以表示为 : 为窗口 (4-6 在实际使用窗口时，窗口的尺寸一般先用3再取 5逐渐增大，直到其滤波效 果满意为止。对于有缓变的较长轮廓线物体的图像，采用方形或圆形窗口为宜， 对于包含尖顶角物体的图像，适宜用十字形窗口。使用二维中值滤波最值得注意 的是保持图像中有效的细线状物体。与平均滤波器相比，中值滤波器从总体上来 说，能够较好地保留原图像中的跃变部分 10 。 个人资料整理仅限学习使用 图 3 对几种信号进行中值滤波示例,4445 5 李奇等 .数字图像清晰度评价函数研究J.数研究光子学报 ,2002,(6
12、:34 6 孙宏琦 ,施维颖 ,巨永峰 .利用中值滤波进行图像处理J长安大学学报 :2627 7 刘刚.MATLAB 数字图像处理 M. 北京:机械工业出版社 ,2018 8 夏永泉 ,徐洁,崔伟.均值滤波中临域均值的快速计算J.郑州轻工业学院学 报,2008,(6:5859 9 许冠军 .数字图像去噪算法研究 D. 浙江大学 ,2006:46 10 章毓晋 . 图像工程 第二版） M . 北京: 清华大学出版社 ,2007 11 阮秋琦 ,阮宇智 .数字图像处理 第二版） M. 北京:电子工业出版社 ,2003 12 姚天仁,孙洪.现代数字信号处理 M. 武汉:华中科技大学出版社 ,2002